Projekt

ExDRa

Exploratory Data Science over Raw Data

  • Laufzeit:

Die Idee des ExDRa Projekts ist, geeignete Systemunterstützung für den explorativen Data Science Prozess über heterogene und verteilte Rohdatenquellen zu untersuchen und im Rahmen eines Prototypen für reale Anwendungsfälle bereitzustellen. Im Detail umfasst der Ansatz die folgenden Forschungsschwerpunkte:

  • Ad-hoc und föderierte Datenintegration über Rohdaten
  • Datenorganisation und Wiederverwendung von Zwischenergebnissen
  • Horizontale Optimierungen über den gesamten Data Science Lebenszyklus
  • Anfrageplanung für beschränkt zugängliche Datenbestände

Partner

  • Siemens AG (Erlangen)
  • TU Berlin
  • TU Graz
  • Bundesverband Mittelständischer Wirtschaft

Fördergeber

Bundesministerium für Wirtschaft und Energie

Bundesministerium für Wirtschaft und Energie

Projekt teilen auf:

Ansprechpartner

Keyfacts

Publikationen zum Projekt

Sebastian Baunsgaard, Matthias Boehm, Stefan Geißelsöder, Michael Hildebrand, Kevin Innerebner, Claus Neubauer, Sarah Osterburg, Olga Ovcharenko, Sergey Redyuk, Tobias Rieger, Sebastian Benjamin Wrede, Volker Markl, Philipp Grulich, Ankit Chaudhary, Behrouz Derakhshan, Steffen Zeuch

In: Proceedings of the International Conference on Management of Data (SIGMOD/PODS) SIGMOD/PODS '21: Proceedings of the 2021 International Conference on Management of Data. ACM SIGMOD International Conference on Management of Data (SIGMOD-2021) Seiten 2450-2463 ISBN 978-145038343-1 ACM New York, NY 2021.

Zur Publikation
Dimitris Giouroukis, Volker Mark, Steffen Zeuch, Xenofon Chatziliadis, Ankit Chaudhary, Philipp Grulich, Ariane Ziehn

In: Open Journal Internet Things Conference: VLIoT@VLDB '20: Proceedings of Intl. Workshop on Very Large Internet of Things. International Workshop on Very Large Internet of Things (VLIoT-2020) September 4 Seiten 66-81 Open Journal of Internet of Things (OJIOT) 6 1 RonPub UG Lübeck 1/2020.

Zur Publikation
Clemens Lutz, Steffen Zeuch, Volker Markl

In: David Maier , Rachel Pottinger (Hrsg.). Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data. ACM SIGMOD International Conference on Management of Data (SIGMOD-2020) June 14-19 Portland OR United States Seiten 1633-1649 ISBN 978-1-4503-6735-6 The Association for Computing Machinery 2020.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence